李聰穎 王肇飛

(長安大學公路學院1) 西安 710064)(西安建筑科技大學土木工程學院2) 西安 710055)

國內外在道路安全評價方面常用的交通安全評價方法有絕對數(shù)法、事故率法、事故強度分析法、概率-數(shù)理統(tǒng)計法、模型法、時間序列分析法和灰色評價方法等[1-3].

本文在建立高速公路交通安全評價指標體系的基礎上,對BP神經網絡在高速公路安全評價中的應用進行了分析,采用C++語言與數(shù)據庫技術,開發(fā)了基于BP人工神經網絡的綜合評價軟件,并進行了實際應用.

1 基于BP神經網絡的高速公路交通安全評價體系結構

1.1 評價指標體系

從交通工程學原理出發(fā),把高速公路交通安全系統(tǒng)中的駕駛人特征、道路主體工程、交通工程及沿線設施、交通特性、交通環(huán)境、交通安全管理6個方面作為交通安全評價體系中的主要因素.

對6個方面中的每個影響因素與交通安全之間的關系進行研究,并根據評價指標的篩選原則[4-7],建立了高速公路交通安全評價指標體系,共計6個類別,18個指標,見表1[8].

表1 高速公路交通安全評價指標體系

1.2 高速公路交通安全評價模型建立

1.2.1 網絡結構建立 在高速公路交通安全評價中,反向傳播網絡(back-propagation network,BP網絡)是實現(xiàn)非線性可微分函數(shù)進行權值訓練的多層網絡.BP神經網絡評價解決了多指標變權問題的動態(tài)求解問題,克服了權重確定過程中的主觀因素,為客觀進行高速公路交通安全評價提供了一種有效的方法.根據前文描述的安全評價指標體系,將評價指標集合 A=(a1,a2,…,an)作為BP網絡的輸入層,將安全等級集合Y=(y1,y2,y3,y4)作為BP網絡的輸出層,使用3層BP網絡模型構造高速公路交通安全評價模型,如圖1所示.

圖1 高速公路交通安全評價模型

評價等級劃分為四個等級,樣本的期望輸出值從一級至四級依次設定為

優(yōu):(0.9,0.1,0.1,0.1);

良:(0.1,0.9,0.1,0.1);

中:(0.1,0.1,0.9,0.1);

差:(0.1,0.1,0.1,0.9).

1.2.2 網絡學習過程 評價神經網絡的各節(jié)點采用Sigmoid非線性閥值單元,激勵函數(shù)為

BP算法學習步驟如下.

步驟1 初始化權系數(shù),給各層權系數(shù)Wij賦予(-1,1)區(qū)間內的非零隨機數(shù),其中Wi,n+1=-θ.

步驟2 輸入一個樣本值Ak對以及與其對應的期望輸出Yk,提供給網絡.

對于輸出層k=m,有

對于其他各層,有

步驟5 修正權系數(shù)Wij與閥值θi(Wi,n+1=-θ).使用公式

其中:η為學習效率;α為權系數(shù)修正常數(shù).

步驟6 隨機選取下一個學習樣本對,將其提供給BP網絡,返回步驟3,直至全部m個樣本對訓練完畢.

步驟7 重新從m個樣本對中任選一對,返回步驟3直至誤差函數(shù)Eav小于預先設定的值e(精確值);如果迭代次數(shù)N大于某個給定的值,沒有收斂也停止計算.其中:全局平均誤差為

1.2.3 評價過程 根據已訓練完成的BP神經網絡,進行現(xiàn)有道路安全等級的評價.評價時首先將待評價高速公路的各項安全評價指標數(shù)值進行歸一化處理,將其限制在[0,1]區(qū)間內,然后將其作為輸入值代入已訓練好的網絡,得到的輸出值即為高速公路的安全等級.

2 高速公路交通安全評價系統(tǒng)實現(xiàn)

2.1 核心算法模塊

高速公路交通安全評價系統(tǒng),其系統(tǒng)框架結構如圖2所示.系統(tǒng)的核心算法——BP神經網絡算法采用面向對象技術設計,具有良好的擴展性與開放性,由C++語言編寫實現(xiàn).在具體實現(xiàn)時,采用了以下幾方面的優(yōu)化設計,使算法具有更快的收斂速度,更強的自動調節(jié)能力.

圖2 系統(tǒng)框架結構

1)對樣本輸入數(shù)據、輸出數(shù)據以及期望誤差進行歸一化處理,使其限制在[0,1]區(qū)間內,加快收斂速度.

2)在網絡學習前,初始化權系數(shù)為[0,1]之間的小數(shù),初始化閥值為[-1,0]之間的小數(shù).采用變學習效率的方法,使學習效率能根據誤差的變化,自適應動態(tài)調整.

3)通過設定最大學習次數(shù)來解決學習過程中的振蕩現(xiàn)象,一旦超過最大學習次數(shù),則重新初始化權系數(shù)與閾值系數(shù)進行計算.

2.2 訓練網絡模塊

訓練網絡模塊完成評價網絡的參數(shù)配置,樣本數(shù)據輸入,訓練網絡及訓練結果處理等主要功能,參數(shù)配置完成后可保存至文件,供以后導入使用.神經網絡訓練文件包括參數(shù)配置文件、樣本數(shù)據文件與權值矩陣文件等3類.

2.3 配置系統(tǒng)模塊

配置系統(tǒng)模塊負責將訓練成功的BP網絡添加到評價系統(tǒng)數(shù)據庫中,并對評價系數(shù)進行配置,使BP網絡與評價等級進行映射,等級名與等級數(shù)值可根據用戶要求進行配置.

2.4 安全評價模塊

安全評價模塊完成對待評價高速公路交通安全指標進行評價的功能.評價時首先選擇評價網絡,其次輸入評價指標數(shù)據,然后開始安全評價,最后系統(tǒng)將顯示評價的結果,即高速公路安全等級.

2.5 評價網絡數(shù)據庫設計

評價網絡數(shù)據庫使用Access數(shù)據庫保存訓練成功的神經網絡數(shù)據,共包括3張數(shù)據庫表單,分別是:(1)Eva_Net表,用于保存BP網絡參數(shù),包括網絡名、網絡學習效率、最大平均誤差、最大單次誤差、最大迭代次數(shù)、S函數(shù)參數(shù)、動量項、網絡結構數(shù)據、權值矩陣與取值范圍等字段;(2)Net_Grade表,用于保存BP網絡與評價等級的對應關系,包括記錄編號、網絡編號、等級名稱、等級數(shù)值等字段;(3)Grade_Data表,用于保存評價等級的相關數(shù)據,包括網絡編號、NetGrade編號、輸出元序號與輸出層數(shù)據等字段.

3 實例應用

3.1 高速公路交通安全評價網絡的訓練

根據安全評價指標分級標準可知,只要在同一等級范圍內對各評價指標隨機取值,組成的樣本也肯定屬于同一等級.通過這種方法,可以隨機生成任意多的評價總樣本,作為神經網絡模型的訓練樣本和檢驗樣本.在本次模型構建過程中,為了保證樣本的均勻分布,按照分級標準,在每個安全等級各隨機生成8個樣本,共32個樣本作為訓練樣本,對網絡進行訓練.

構建的 BP神經網絡模型采用 3層網絡結構,輸入層為18個節(jié)點,對應于18個安全評價指標;輸出層節(jié)點數(shù)為4個,采用布爾型離散向量,對應于4個安全等級.隱含層節(jié)點數(shù)按照2.2.1節(jié)描述的經驗公式計算并經過多次試算,將其節(jié)點數(shù)定為27.BP網絡的其他參數(shù)分別如下:網絡學習效率為0.1,動量項為0.9,最大迭代次數(shù)為200 000次,最大期望誤差為0.003 5.在本BP網絡中,由于輸出層各等級數(shù)據中最大值為0.9,考慮到大于0.5,即可認定評價等級,因此將評價誤差范圍設為0.399.

使用“高速公路交通安全評價系統(tǒng)”訓練上述網絡,經訓練后,網絡精度滿足要求(＜0.003 5).利用訓練好的網絡對隨機生成的檢驗樣本進行評價,結果證明訓練好的BP神經網絡模型是可行的,且具有良好的泛化能力.

3.2 實例應用與結果分析

選取江西省梨溫高速公路與昌泰高速公路數(shù)據進行交通安全評價,對數(shù)據按照指標體系模型中6類共18個指標進行了調查與計算,得出的評價指標如表2所列.利用上述訓練建立的BP神經網絡進行高速公路交通安全評價,將兩條高速公路的待評指標數(shù)據樣本(如表2)輸入訓練好的BP神經網絡模型中,得到相應等級范圍內的計算結果,評價計算結果如表3所列.

表2 昌泰高速公路和梨溫高速公路評價指標

從評價計算結果分析,昌泰高速公路的第二項數(shù)據為最大值0.566 507,滿足(0.501,0.9)區(qū)間,其他數(shù)據均在0.1附近,評價結果收斂的,可以確定該高速公路交通安全狀況為良.梨溫高速公路的第一項數(shù)據為最大值 0.608 505,滿足(0.501,0.9)區(qū)間,其他數(shù)據均在0.1附近,評價結果收斂的,可確定該高速公路交通安全狀況為優(yōu).

表3 高速公路BP神經網絡評價計算結果

4 結 束 語

本文在建立評價指標體系的基礎上,設計和開發(fā)出基于BP神經網絡的高速公路安全綜合評價軟件.經過實際應用,表明該方法具有良好的擴展性與開放性、收斂性和很強的自動調節(jié)能力.

下一步研究將重點改進BP神經網絡隱含層神經元算法,優(yōu)化激勵函數(shù),提高神經網絡訓練的收斂速度;同時計劃在交通安全評價軟件中增加其它評價方法,增強軟件的功能.

[1]鄔長福,王宏奇,林大建,等.道路安全評價方法探討[J].浙江交通職業(yè)技術學院學報,2004,5(3):1-3.

[2]楊天軍,張曉春,楊曉光,等.基于BP神經網絡的城市道路交通安全評價研究[J].中國礦業(yè)大學學報,2005,34(1):37-40.

[3]潘艷榮,翟長旭,朱順應,等.基于灰色聚類理論和人工神經網絡技術的道路交通安全評價[J].重慶交通學院學報,2005,24(2):101-105.

[4]吳開亞.區(qū)域生態(tài)安全的綜合評價研究[D].合肥:中國科學技術大學管理學院,2003.

[5]鐘連德,孫小端,賀玉龍,等.高速公路事故類型預測模型研究[J].武漢理工大學學報:交通科學與工程版,2009,33(4):683-686.

[6]陸化普.城市交通管理評價指標體系[M].北京:人民交通出版社,2003.

[7]張殿業(yè).道路交通安全管理評價體系[M].北京:人民交通出版社,2005.

[8]陳 君,李聰穎,丁光明,基于BP神經網絡的高速公路交通安全評價[J].同濟大學學報,2008,36(7):927-931.